-
题名基于改进MA-Net网络的人脸表情识别
- 1
-
-
作者
熊港安
程科
周一墨
陈思帆
-
机构
江苏科技大学计算机学院
-
出处
《计算机与数字工程》
2025年第9期2583-2589,共7页
-
基金
国家自然科学基金(面上项目)“基于深度学习的心脏MR图像双心室量化方法研究”(编号:61976241)
镇江市国际合作计划项目“心功能评估AI系统的联合研发”(编号:GJ2021008)资助。
-
文摘
人脸表情能够反映人的情绪是非常重要的网络信息,近十年以来各种深度学习网络被提出,并用于人脸表情的研究,其中全局多尺度局部注意力网络(MA-Net)效果非常好,在各种非实验条件的数据集上有都有极高的准确度。为了进一步提高其准确度,针对该网络预提取阶段存在的语义信息丢失,以及在全局多尺度模块中,存在输入特征提取的特征信息模糊的现象,论文提出一种聚类池化来替代原来的最大池化,从而减少特征预提取区域的信息丢失,并突出关键特征。在全局多尺度模块中使用高效转换变体卷积(TVConv)替代普通卷积,使输入特征图的每个卷积区域都使用相应的的卷积参数,从而实现更加精确的特征提取。论文最后在MS-Celeb-M1数据集和RAF-DB数据集对提出的模型进行了实验对比,结果表明准确度有较好的改善。
-
关键词
人脸表情识别
全局多尺度
聚类池化
tvconv
-
Keywords
facial expression recognition
global multi-scale
cluster pooling
tvconv
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
